AgentTracer：通过意图追踪还原 Agent 攻击链

中山大学与香港科技大学的研究团队提出 AgentTracer，从 Agent 推理记录中提取上下文与决策关系、构建意图驱动执行图，并对齐用户授权空间，从而在历史日志中定位间接提示注入的注入点、重建攻击链。在 AgentDyn 和 InjecAgent 两个数据集各 300 条成功攻击日志上，系统平均攻击识别率为 97.34%，注入点定位准确率 94.17%，攻击链覆盖率 90.25%，精确率 93.56%。消融实验显示，用时间序列图替代意图驱动执行图后注入点定位准确率下降 17 个百分点，用 LLM 直接判断意图偏移则下降 27 个百分点。在 100 条正常执行日志的 394 条可评估执行边中，作者报告 13 条被误标为意图偏移，边级误报率 3.52%；作者也指出该方法依赖较完整的推理记录，较适合 ReAct 这类有显式决策记录的架构。